Giới thiệu dự án

Thị trường thanh toán không dùng tiền mặt (TTKDTM) tại Việt Nam đang chứng kiến sự chuyển dịch mang tính bước ngoặt dưới tác động của làn sóng chuyển đổi số. Theo thống kê của Ngân hàng Nhà nước và Hiệp hội Di động Toàn cầu (GSMA), Việt Nam sở hữu gần 125 triệu thuê bao di động, nhưng có tới gần 30% người trưởng thành chưa có tài khoản ngân hàng (unbanked), tập trung chủ yếu ở khu vực nông thôn, vùng sâu vùng xa. Nhằm thúc đẩy chiến lược tài chính toàn diện (Financial Inclusion), Thủ tướng Chính phủ đã ban hành Quyết định số 316/QĐ-TTg cho phép thí điểm dịch vụ Tiền di động (Mobile Money - MM) trong vòng 2 năm với hạn mức 10.000.000 VNĐ/tháng/tài khoản.

+-----------------------------------------------------------------------------------+
|               BỐI CẢNH DỊCH VỤ TIỀN DI ĐỘNG (MOBILE MONEY - MM)                  |
|  125M+ Thuê bao di động  --->  30% Unbanked Population  --->  QĐ 316/QĐ-TTg Thí điểm |
+-----------------------------------------------------------------------------------+

Khác với ví điện tử đòi hỏi tài khoản ngân hàng liên kết, Mobile Money cho phép định danh trực tiếp qua số thuê bao viễn thông chính chủ (thời gian kích hoạt tối thiểu 3 tháng). Tuy nhiên, rào cản nhận thức công nghệ, thói quen tiền mặt và mức độ tin cậy hệ thống tại các địa bàn cấp tỉnh như An Giang (khu vực có nhiều huyện vùng núi, biên giới như Tri Tôn, Tịnh Biên, An Phú, Tân Châu) tạo ra khoảng trống nghiên cứu thực nghiệm đáng kể.

Đề tài "Các yếu tố ảnh hưởng đến ý định sử dụng Mobile Money của sinh viên Trường Đại học An Giang" do sinh viên Lê Thị Hương Giang thực hiện dưới sự hướng dẫn của ThS. Nguyễn Thị Diễm Hằng (Khoa Kinh tế - QTKD, Trường Đại học An Giang) tập trung giải quyết bài toán định lượng hóa hành vi chấp nhận công nghệ Fintech mới của nhóm người dùng trẻ.

Mục tiêu nghiên cứu

  1. Xác định các yếu tố cốt lõi: Nhận diện và hệ thống hóa các nhân tố tác động đến ý định chấp nhận và sử dụng dịch vụ Mobile Money của sinh viên đại học.
  2. Đo lường mức độ ảnh hưởng: Đánh giá định lượng trọng số tác động của từng nhân tố thông qua kiểm định mô hình hồi quy tuyến tính đa biến (OLS).
  3. Đề xuất hàm ý quản trị: Cung cấp khung giải pháp khả thi cho các doanh nghiệp viễn thông (Viettel, VNPT-Media, MobiFone) nhằm mở rộng thị phần dịch vụ thanh toán số.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Trường Đại học An Giang (ĐHQG-HCM).
  • Thời gian: Thu thập và xử lý dữ liệu từ tháng 12/2021 đến tháng 05/2022.
  • Đối tượng: Sinh viên Khoa Kinh tế - QTKD thuộc 5 chuyên ngành từ khóa K19 đến K22.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và so sánh giải pháp

Thị trường thanh toán số hiện nay được phân chia rõ nét giữa ba phương thức chính: Mobile Money, Ví điện tử (E-Wallet) và Ngân hàng số (Digital Banking).

Tiêu chí so sánh Mobile Money (MM) Ví điện tử (MoMo, ZaloPay) Ngân hàng số (Mobile Banking)
Yêu cầu liên kết ngân hàng Không bắt buộc Bắt buộc 100% Có sẵn tài khoản thanh toán
Hạ tầng truyền dẫn Smartphone (App) + Feature phone (USSD/SMS) Smartphone có Internet (3G/4G/Wi-Fi) Smartphone có Internet
Hạn mức giao dịch Tối đa 10.000.000 VNĐ/tháng 100.000.000 VNĐ/tháng Linh hoạt theo hạn mức tài khoản
Mạng lưới nạp/rút tiền Điểm giao dịch viễn thông, đại lý lưu động Điểm liên kết ví, ATM, ngân hàng Chi nhánh ngân hàng, ATM/CRM
Phạm vi tối ưu Nông thôn, vùng sâu vùng xa, biên giới Đô thị, người có tài khoản ngân hàng Đô thị, giao dịch quy mô lớn

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must-have (Bắt buộc có): Mô hình định lượng đo lường độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), phân tích nhân tố khám phá (EFA với KMO $\ge 0.5$), kiểm định hồi quy không vi phạm đa cộng tuyến (VIF $< 10$).
  • Should-have (Cần có): Cơ cấu mẫu phân tầng theo tỷ lệ chính xác giữa 5 chuyên ngành và 4 khóa học để đảm bảo tính đại diện.
  • Could-have (Có thể có): Mở rộng biến nhận thức rủi ro dịch bệnh Covid-19 vào mô hình chấp nhận công nghệ truyền thống.
  • Won't-have (Chưa thực hiện): Đánh giá hành vi sử dụng lặp lại theo chuỗi thời gian dài hạn (Longitudinal Study).

Thiết kế mô hình nghiên cứu

Nghiên cứu tích hợp Mô hình chấp nhận công nghệ (TAM - Davis, 1989), Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết hành vi có kế hoạch (TPB - Ajzen, 1991) và Thuyết hợp nhất về chấp nhận và sử dụng công nghệ (UTAUT - Venkatesh et al., 2003) với 6 biến độc lập và 1 biến phụ thuộc:

$$\text{BI} = \beta_0 + \beta_1 \text{PEU} + \beta_2 \text{PU} + \beta_3 \text{SI} + \beta_4 \text{PT} + \beta_5 \text{PC} + \beta_6 \text{PRC} + \varepsilon$$

+------------------------------------+
|  Nhận thức dễ sử dụng (PEU)        |---+
+------------------------------------+   |
|  Nhận thức tính hữu ích (PU)       |---|
+------------------------------------+   |
|  Ảnh hưởng xã hội (SI)             |---+---> [ Ý ĐỊNH SỬ DỤNG MM (BI) ]
+------------------------------------+   |
|  Nhận thức độ tin cậy (PT)         |---|
+------------------------------------+   |
|  Nhận thức chi phí (PC)            |---|
+------------------------------------+   |
|  Nhận thức rủi ro Covid-19 (PRC)   |---+
+------------------------------------+

Technology Stack & Phương pháp luận

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics phiên bản 20.0.
  • Hệ thống thu thập dữ liệu: Google Forms API kết hợp phỏng vấn bảng hỏi giấy trực tiếp.
  • Kiến trúc dữ liệu khảo sát: Thang đo Likert 5 bậc (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 30 biến quan sát.
  • Quy trình nghiên cứu 2 giai đoạn:
    1. Định tính (Sơ bộ): Phỏng vấn chuyên sâu tay đôi với $n = 5$ sinh viên để hiệu chỉnh bảng hỏi nháp.
    2. Định lượng (Chính thức): Khảo sát diện rộng $N = 200$ mẫu hợp lệ sau khi loại 19 mẫu không đạt.

Implementation và kết quả

Quy trình tiền xử lý và cấu trúc dữ liệu

Dữ liệu khảo sát từ 200 sinh viên được mã hóa và làm sạch trên nền tảng SPSS 20.0. Dưới đây là đoạn mã giả định (Python data-pipeline) mô phỏng quy trình kiểm định độ tin cậy thang đo và ước lượng mô hình hồi quy OLS tương đương với thuật toán của SPSS:

import numpy as np
import pandas as pd
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

def evaluate_regression_model(X: pd.DataFrame, y: pd.Series):
    """Thực hiện ước lượng OLS đa biến và kiểm tra hiện tượng đa cộng tuyến (VIF)."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán Variance Inflation Factor (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [
        1.0 / (1.0 - sm.OLS(X[col], sm.add_constant(X.drop(columns=[col]))).fit().rsquared)
        for col in X.columns
    ]
    return model.summary(), vif_data

# Ví dụ nạp dữ liệu thang đo (N=200, 6 biến giải thích)
# X_data = df[['PEU', 'PU', 'SI', 'PT', 'PC', 'PRC']]
# y_data = df['BI']

Cơ cấu mẫu khảo sát thực tế ($N = 200$)

Phương pháp lấy mẫu phân tầng kết hợp chọn mẫu thuận tiện được áp dụng dựa trên tổng thể 2.900 sinh viên:

  • Giới tính: Nam đạt 53,5% (107 sinh viên); Nữ đạt 46,5% (93 sinh viên).
  • Phân bổ theo khóa học: Khóa 22 chiếm 33,0% (66 mẫu); Khóa 21 chiếm 30,0% (60 mẫu); Khóa 20 chiếm 20,5% (41 mẫu); Khóa 19 chiếm 16,5% (33 mẫu).
  • Phân bổ theo chuyên ngành: Quản trị Kinh doanh (24,0%), Kế toán (23,5%), Tài chính - Ngân hàng (20,5%), Marketing (18,5%), Kinh tế quốc tế (13,5%).
  • Thói quen sử dụng: 36,5% sinh viên chưa từng sử dụng; 31,5% ít sử dụng; 14,5% dùng 1 lần/tháng; 17,5% dùng $>1$ lần/tháng.
  • Khả năng tài chính: 60,0% nhận sinh hoạt phí 2 - 4 triệu VNĐ/tháng; 31,5% dưới 2 triệu VNĐ/tháng; 40,5% không có thu nhập phụ thêm.

Kết quả kiểm định thang đo và phân tích định lượng

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 7 nhóm thang đo đều đạt chuẩn về tính nhất quán nội tại ($\alpha \ge 0.60$ và hệ số tương quan biến - tổng Corrected Item-Total Correlation $\ge 0.30$).

Thang đo Số biến quan sát Cronbach's Alpha Đánh giá kỹ thuật
Nhận thức tính dễ sử dụng (PEU) 5 0.812 Đạt chuẩn độ tin cậy tốt
Nhận thức tính hữu ích (PU) 5 0.865 Đạt chuẩn xuất sắc
Ảnh hưởng xã hội (SI) 4 0.794 Đạt chuẩn tin cậy
Nhận thức độ tin cậy (PT) 5 0.834 Đạt chuẩn độ tin cậy tốt
Nhận thức chi phí (PC) 4 0.788 Đạt chuẩn tin cậy
Nhận thức rủi ro Covid-19 (PRC) 3 0.756 Đạt chuẩn tin cậy
Ý định sử dụng Mobile Money (BI) 4 0.842 Đạt chuẩn biến phụ thuộc

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett's Test: Trị số KMO đạt $0.845 > 0.5$, kiểm định Bartlett có mức ý nghĩa thống kê cao ($Sig. = 0.000 < 0.05$), xác nhận các biến có tương quan tuyến tính mạnh.
  • Trích xuất nhân tố: Tổng phương sai trích (Cumulative Variance) đạt $62.38% > 50%$, giá trị Eigenvalue dừng ở mức $1.214 > 1.0$, hệ số tải nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.55$.

3. Kết quả phân tích hồi quy tuyến tính đa biến (Regression Analysis)

Sau khi thực hiện phân tích hồi quy OLS và loại bỏ các biến không có ý nghĩa thống kê ($Sig. > 0.05$), mô hình rút gọn xác định 3 nhân tố có tác động thực sự đến ý định sử dụng Mobile Money của sinh viên:

Biến độc lập Hệ số Beta chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số Beta chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số VIF
(Hằng số Constant) 0.412 0.215 - 1.916 0.057 -
Nhận thức tính hữu ích (PU) 0.435 0.052 0.448 8.365 0.000 1.245
Nhận thức chi phí (PC) 0.241 0.048 0.262 5.021 0.000 1.182
Ảnh hưởng xã hội (SI) 0.185 0.045 0.201 4.111 0.000 1.156
Dễ sử dụng (PEU) 0.042 0.046 0.045 0.913 0.362 1.312 (Loại)
Độ tin cậy (PT) 0.051 0.049 0.053 1.041 0.299 1.284 (Loại)
Rủi ro Covid-19 (PRC) 0.028 0.041 0.031 0.683 0.495 1.108 (Loại)
  • Hệ số xác định mô hình: $R^2 = 0.548$, $R^2\text{ hiệu chỉnh} = 0.541$. Ba yếu tố giải thích được 54.1% sự biến thiên của ý định sử dụng Mobile Money.
  • Kiểm định Durbin-Watson: Đạt trị số $1.892$ (nằm trong khoảng $1.5 - 2.5$), không có hiện tượng tự tương quan chuỗi bậc nhất.
  • Kiểm định đa cộng tuyến: Tất cả chỉ số VIF đều $< 1.5$ (thấp hơn nhiều so với ngưỡng 10), không xảy ra đa cộng tuyến.

Đổi mới và đóng góp

Điểm mới về mặt học thuật và phương pháp luận

  1. Mở rộng mô hình thích ứng bối cảnh đặc thù: Đề tài đã tích hợp thành công cấu trúc chi phí cảm nhận (Perceived Cost) và rủi ro dịch bệnh vào nền tảng lý thuyết TAM, kiểm chứng được sự chuyển dịch hành vi người dùng tại địa bàn cấp tỉnh thuộc Đồng bằng sông Cửu Long.
  2. Làm rõ sự đối lập giữa lý thuyết và thực tiễn: Khác với nghiên cứu của Nguyễn Thị Thúy Đài & Nguyễn Ngọc Long (2021) tại TP.HCM (nơi nhận thức tin cậy là trọng tâm), nghiên cứu tại An Giang chỉ ra Nhận thức tính hữu ích ($\beta = 0.448$) và Nhận thức chi phí ($\beta = 0.262$) mới là hai đòn bẩy chi phối hàng đầu. Sinh viên nhạy cảm cao với phí giao dịch và tiện ích thanh toán vi mô hơn là rào cản kỹ thuật.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Khóa luận Lê Thị Hương Giang (2022) Nguyễn Thị Hà Thanh & Hoàng Hồng Nhung (2021) Nguyễn Thị Thúy Đài & Nguyễn Ngọc Long (2021)
Đối tượng & Không gian 200 SV ĐH An Giang (Khu vực ĐBSCL) 260 cá nhân Gen Z toàn quốc 224 SV ĐH Công nghiệp TP.HCM
Công cụ xử lý SPSS 20.0 (OLS Regression) SmartPLS 3.0 (PLS-SEM) SPSS 20.0 (OLS Regression)
Nhân tố tác động mạnh nhất Nhận thức tính hữu ích ($\beta = 0.448$) Nhận thức chi phí (tác động âm) Nhận thức sự tin tưởng ($\beta = 0.354$)
Tác động của tính dễ sử dụng Không có ý nghĩa thống kê ($p > 0.05$) Không đưa vào mô hình cuối Tác động yếu nhất

Ứng dụng thực tế và triển khai

Hàm ý quản trị cho doanh nghiệp viễn thông (Viettel, VNPT, MobiFone)

+-----------------------------------------------------------------------------------+
|              CHIẾN LƯỢC TRIỂN KHAI THỊ TRƯỜNG MOBILE MONEY CHO NHÀ MẠNG           |
|  [Nâng cao Tính hữu ích]  --->  [Tối ưu Hóa Chi phí]  --->  [Đòn bẩy Ảnh hưởng XH]|
|  Tích hợp hóa đơn KTX/học phí    Miễn phí nạp/rút USSD/SMS   Chiến dịch KOC sinh viên|
+-----------------------------------------------------------------------------------+
  1. Nâng cao nhận thức tính hữu ích (Tác động mạnh nhất, $\beta = 0.448$):
    • Tích hợp cổng thanh toán Mobile Money vào hệ sinh thái trường đại học: Thu học phí tín chỉ, thanh toán ký túc xá, căn-tin, mua giáo trình trực tuyến.
    • Phát triển mạng lưới điểm chấp nhận thanh toán (QR Code/NFC) tại các cửa hàng tiện lợi, nhà xe sinh viên quanh khuôn viên trường.
  2. Chiến lược tối ưu hóa chi phí (Tác động thứ hai, $\beta = 0.262$):
    • Áp dụng chính sách Zero-fee: Miễn phí duy trì tài khoản, miễn phí chuyển tiền nội mạng giữa các thuê bao sinh viên.
    • Triển khai các gói cước Data viễn thông tích hợp hoàn tiền (Cashback) khi phát sinh giao dịch qua Mobile Money.
  3. Khai thác mạng lưới quan hệ xã hội (Tác động thứ ba, $\beta = 0.201$):
    • Ứng dụng mô hình Viral Marketing: Thưởng hoa hồng/data 4G cho sinh viên giới thiệu bạn bè kích hoạt tài khoản thành công qua mã giới thiệu (Referral Program).
    • Phối hợp Đoàn Thanh niên - Hội Sinh viên phát động ngày hội "Thanh niên không dùng tiền mặt".

Hạn chế và hướng phát triển

  • Giới hạn không gian lấy mẫu: Nghiên cứu chỉ khảo sát trong phạm vi Khoa Kinh tế - QTKD tại Trường Đại học An Giang, chưa bao quát toàn bộ các khối ngành kỹ thuật, sư phạm, nông nghiệp.
  • Phương pháp chọn mẫu phi xác suất: Phương pháp lấy mẫu thuận tiện có thể tạo ra độ lệch nhất định so với tổng thể người tiêu dùng toàn tỉnh.
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) trên mẫu diện rộng ($N > 500$), bổ sung các biến điều tiết như Mức thu nhập hàng tháng, Vùng địa lý sinh sống (nông thôn vs thành thị) và Trải nghiệm giao dịch thực tế.

Đối tượng hưởng lợi

  • Sinh viên: Tiếp cận phương thức thanh toán không cần tài khoản ngân hàng, quản lý ngân sách cá nhân minh bạch và an toàn với hạn mức giao dịch 10 triệu VNĐ/tháng.
  • Doanh nghiệp Telco/Fintech: Nắm bắt chính xác insight và mức độ nhạy cảm chi phí của tệp khách hàng trẻ, từ đó thiết kế giao diện ứng dụng và chương trình ưu đãi đúng trọng tâm.
  • Nhà nghiên cứu / Giảng viên: Cung cấp bộ thang đo đã được chuẩn hóa qua Cronbach's Alpha và EFA tại thị trường miền Tây Nam Bộ làm tài liệu tham khảo cho các công trình nghiên cứu hành vi người tiêu dùng.
  • Cơ quan quản lý Nhà nước: Có cơ sở dữ liệu thực nghiệm để đánh giá hiệu quả chương trình thí điểm Mobile Money theo Quyết định 316/QĐ-TTg, thúc đẩy chuyển đổi số quốc gia.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và hồ sơ để sinh viên đăng ký tài khoản Mobile Money là gì?

Khách hàng cá nhân chỉ cần sở hữu CMND/CCCD/Hộ chiếu trùng khớp hoàn toàn với thông tin đăng ký SIM điện thoại chính chủ. Thuê bao phải hoạt động liên tục tối thiểu 3 tháng liền kề trước thời điểm đăng ký. Mỗi cá nhân được mở 01 tài khoản tại mỗi nhà mạng (Viettel Money, VNPT Money, MobiFone Money).

2. Mobile Money có thể hoạt động khi điện thoại không kết nối 3G/4G/Wi-Fi không?

Có. Đây là ưu thế kỹ thuật vượt trội của Mobile Money so với ví điện tử. Người dùng điện thoại cơ bản (feature phone) hoặc ở khu vực không có sóng Internet vẫn có thể chuyển tiền và thanh toán qua giao thức viễn thông USSD (bấm mã lệnh *...#) hoặc tin nhắn SMS.

3. Tại sao biến "Nhận thức tính dễ sử dụng" lại không có ý nghĩa thống kê trong nghiên cứu này?

Sinh viên thuộc thế hệ Gen Z đã quen thuộc với giao diện smartphone và các ứng dụng số. Do đó, tính dễ sử dụng được xem là tiêu chuẩn mặc định hiển nhiên, không còn là yếu tố mang tính quyết định đến ý định sử dụng so với tính hữu ích thực tế và chi phí giao dịch.

4. Hạn mức giao dịch 10.000.000 VNĐ/tháng có đáp ứng đủ nhu cầu của sinh viên không?

Theo kết quả khảo sát, $91.5%$ sinh viên có mức sinh hoạt phí dưới 4.000.000 VNĐ/tháng. Hạn mức 10 triệu VNĐ/tháng theo Quyết định 316/QĐ-TTg là hoàn toàn phù hợp để chi trả các khoản phí thường nhật (ăn uống, giáo trình, cước viễn thông, sinh hoạt phí).

5. Chi phí triển khai và duy trì tài khoản Mobile Money gồm những khoản nào?

Đa số các nhà mạng hiện áp dụng chính sách miễn phí đăng ký, miễn phí duy trì tài khoản và miễn phí giao dịch cơ bản. Người dùng chỉ chịu cước viễn thông thông thường khi sử dụng SMS hoặc phí nạp/rút tiền mặt tại các điểm đại lý ngoài định mức quy định.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lê Thị Hương Giang đã giải quyết trọn vẹn bài toán xác định các động lực chi phối hành vi chấp nhận dịch vụ Tiền di động (Mobile Money) của sinh viên Đại học An Giang. Bằng việc vận dụng quy trình nghiên cứu định lượng chặt chẽ trên nền tảng SPSS 20.0, kết quả thực nghiệm chứng minh Nhận thức tính hữu ích ($\beta = 0.448$), Nhận thức chi phí ($\beta = 0.262$) và Ảnh hưởng xã hội ($\beta = 0.201$) là 3 trụ cột định hình ý định sử dụng. Công trình mang lại giá trị thực tiễn cao, cung cấp cơ sở khoa học giúp các nhà mạng tối ưu hóa chiến lược thâm nhập thị trường tài chính số cho thế hệ trẻ tại khu vực Đồng bằng sông Cửu Long.